545 lines
23 KiB
Markdown
545 lines
23 KiB
Markdown
# AgenticSeek: Alternativa Privada y Local a Manus.
|
||
|
||
<p align="center">
|
||
<img align="center" src="./media/agentic_seek_logo.png" width="300" height="300" alt="Agentic Seek Logo">
|
||
<p>
|
||
|
||
[English](./README.md) | [中文](./README_CHS.md) | [繁體中文](./README_CHT.md) | [Français](./README_FR.md) | [日本語](./README_JP.md) | [Português (Brasil)](./README_PTBR.md) | [Español](./README_ES.md)
|
||
|
||
*Una **alternativa 100% local a Manus AI**, este asistente de IA con capacidad de voz navega autónomamente por la web, escribe código y planifica tareas mientras mantiene todos los datos en tu dispositivo. Diseñado para modelos de razonamiento local, funciona completamente en tu hardware, garantizando privacidad total y cero dependencia de la nube.*
|
||
|
||
[](https://fosowl.github.io/agenticSeek.html)  [](https://discord.gg/8hGDaME3TC) [](https://x.com/Martin993886460) [](https://github.com/Fosowl/agenticSeek/stargazers)
|
||
|
||
### ¿Por qué AgenticSeek?
|
||
|
||
* 🔒 Totalmente Local y Privado - Todo se ejecuta en tu máquina — sin nube, sin compartir datos. Tus archivos, conversaciones y búsquedas permanecen privados.
|
||
|
||
* 🌐 Navegación Web Inteligente - AgenticSeek puede navegar por internet por sí mismo — buscar, leer, extraer información, llenar formularios web — todo sin intervención manual.
|
||
|
||
* 💻 Asistente de Código Autónomo - ¿Necesitas código? Puede escribir, depurar y ejecutar programas en Python, C, Go, Java y más — todo sin supervisión.
|
||
|
||
* 🧠 Selección Inteligente de Agentes - Tú preguntas, él determina el mejor agente para el trabajo automáticamente. Como tener un equipo de expertos listos para ayudar.
|
||
|
||
* 📋 Planifica y Ejecuta Tareas Complejas - Desde planificación de viajes hasta proyectos complejos — puede dividir grandes tareas en pasos y completarlas usando múltiples agentes de IA.
|
||
|
||
* 🎙️ Habilitado por Voz - Voz y texto a voz limpios, rápidos y futuristas que te permiten hablar con él como si fuera tu IA personal de una película de ciencia ficción. (En progreso)
|
||
|
||
### **Demo**
|
||
|
||
> *¿Puedes buscar el proyecto agenticSeek, aprender qué habilidades se requieren, luego abrir el CV_candidates.zip y decirme cuáles coinciden mejor con el proyecto?*
|
||
|
||
https://github.com/user-attachments/assets/b8ca60e9-7b3b-4533-840e-08f9ac426316
|
||
|
||
Descargo de responsabilidad: Esta demo, incluyendo todos los archivos que aparecen (ej: CV_candidates.zip), son completamente ficticios. No somos una corporación, buscamos contribuidores de código abierto, no candidatos.
|
||
|
||
> 🛠⚠️️ **Trabajo Activo en Progreso**
|
||
|
||
> 🙏 Este proyecto comenzó como un proyecto secundario y no tiene hoja de ruta ni financiamiento. Ha crecido mucho más allá de lo que esperaba al terminar en GitHub Trending. Las contribuciones, comentarios y paciencia son profundamente apreciados.
|
||
|
||
## Prerrequisitos
|
||
|
||
Asegúrate de tener instalado chrome driver, docker y python3.10.
|
||
|
||
Para problemas relacionados con chrome driver, consulta la sección **Chromedriver**.
|
||
|
||
### 1. **Clonar el repositorio y configuración**
|
||
|
||
```sh
|
||
git clone https://github.com/Fosowl/agenticSeek.git
|
||
cd agenticSeek
|
||
mv .env.example .env
|
||
```
|
||
|
||
### 2. Cambiar el contenido del archivo .env
|
||
|
||
```sh
|
||
SEARXNG_BASE_URL="http://127.0.0.1:8080"
|
||
REDIS_BASE_URL="redis://redis:6379/0"
|
||
WORK_DIR="/Users/mlg/Documents/workspace_for_ai"
|
||
OLLAMA_PORT="11434"
|
||
LM_STUDIO_PORT="1234"
|
||
CUSTOM_ADDITIONAL_LLM_PORT="11435"
|
||
OPENAI_API_KEY='opcional'
|
||
DEEPSEEK_API_KEY='opcional'
|
||
OPENROUTER_API_KEY='opcional'
|
||
TOGETHER_API_KEY='opcional'
|
||
GOOGLE_API_KEY='opcional'
|
||
ANTHROPIC_API_KEY='opcional'
|
||
```
|
||
|
||
**Las API Keys son totalmente opcionales para usuarios que elijan ejecutar LLM localmente. Este es el propósito principal de este proyecto. Déjalas vacías si tienes hardware suficiente**
|
||
|
||
Las siguientes variables de entorno configuran las conexiones y claves API de tu aplicación.
|
||
|
||
Actualiza el archivo `.env` con tus propios valores según sea necesario:
|
||
|
||
- **SEARXNG_BASE_URL**: Déjalo sin cambios
|
||
- **REDIS_BASE_URL**: Déjalo sin cambios
|
||
- **WORK_DIR**: Ruta a tu directorio de trabajo en tu máquina local. AgenticSeek podrá leer e interactuar con estos archivos.
|
||
- **OLLAMA_PORT**: Número de puerto para el servicio Ollama.
|
||
- **LM_STUDIO_PORT**: Número de puerto para el servicio LM Studio.
|
||
- **CUSTOM_ADDITIONAL_LLM_PORT**: Puerto para cualquier servicio LLM personalizado adicional.
|
||
|
||
Todas las variables de entorno de API key a continuación son **opcionales**. Solo necesitas proporcionarlas si planeas usar APIs externas en lugar de ejecutar LLMs localmente.
|
||
|
||
### 3. **Iniciar Docker**
|
||
|
||
Asegúrate de que Docker esté instalado y ejecutándose en tu sistema. Puedes iniciar Docker usando los siguientes comandos:
|
||
|
||
- **En Linux/macOS:**
|
||
Abre una terminal y ejecuta:
|
||
```sh
|
||
sudo systemctl start docker
|
||
```
|
||
O inicia Docker Desktop desde el menú de aplicaciones si está instalado.
|
||
|
||
- **En Windows:**
|
||
Inicia Docker Desktop desde el menú de inicio.
|
||
|
||
Puedes verificar que Docker está ejecutándose ejecutando:
|
||
```sh
|
||
docker info
|
||
```
|
||
Si ves información sobre tu instalación de Docker, está ejecutándose correctamente.
|
||
|
||
---
|
||
|
||
## Configuración para ejecutar LLM localmente en tu máquina
|
||
|
||
**Requisitos de Hardware:**
|
||
|
||
Para ejecutar LLMs localmente, necesitarás hardware suficiente. Como mínimo, se requiere una GPU capaz de ejecutar Qwen/Deepseek 14B. Consulta la sección FAQ para recomendaciones detalladas de modelos/rendimiento.
|
||
|
||
**Configura tu proveedor local**
|
||
|
||
Inicia tu proveedor local, por ejemplo con ollama:
|
||
|
||
```sh
|
||
ollama serve
|
||
```
|
||
|
||
Consulta más abajo la lista de proveedores locales soportados.
|
||
|
||
**Actualiza el config.ini**
|
||
|
||
Cambia el archivo config.ini para establecer provider_name a un proveedor soportado y provider_model a un LLM soportado por tu proveedor. Recomendamos modelos de razonamiento como *Qwen* o *Deepseek*.
|
||
|
||
Consulta la sección **FAQ** al final del README para los requisitos de hardware.
|
||
|
||
```sh
|
||
[MAIN]
|
||
is_local = True # Si estás ejecutando localmente o con proveedor remoto.
|
||
provider_name = ollama # o lm-studio, openai, etc..
|
||
provider_model = deepseek-r1:14b # elige un modelo que se ajuste a tu hardware
|
||
provider_server_address = 127.0.0.1:11434
|
||
agent_name = Jarvis # nombre de tu IA
|
||
recover_last_session = True # si quieres recuperar la sesión anterior
|
||
save_session = True # si quieres recordar la sesión actual
|
||
speak = False # texto a voz
|
||
listen = False # Voz a texto, solo para CLI, experimental
|
||
jarvis_personality = False # Si quieres usar una personalidad más tipo "Jarvis" (experimental)
|
||
languages = en zh # La lista de idiomas, Text to speech usará por defecto el primer idioma de la lista
|
||
[BROWSER]
|
||
headless_browser = True # déjalo sin cambios a menos que uses CLI en el host.
|
||
stealth_mode = True # Usa selenium no detectado para reducir la detección del navegador
|
||
```
|
||
|
||
**Advertencia**:
|
||
|
||
- El formato del archivo `config.ini` no soporta comentarios.
|
||
No copies y pegues la configuración de ejemplo directamente, ya que los comentarios causarán errores. En su lugar, modifica manualmente el archivo `config.ini` con tus configuraciones deseadas, excluyendo cualquier comentario.
|
||
|
||
- NO establezcas provider_name como `openai` si estás usando LM-studio para ejecutar LLMs. Establécelo como `lm-studio`.
|
||
|
||
- Algunos proveedores (ej: lm-studio) requieren que tengas `http://` antes de la IP. Por ejemplo `http://127.0.0.1:1234`
|
||
|
||
**Lista de proveedores locales**
|
||
|
||
| Proveedor | ¿Local? | Descripción |
|
||
|-----------|--------|-----------------------------------------------------------|
|
||
| ollama | Sí | Ejecuta LLMs localmente con facilidad usando ollama como proveedor LLM |
|
||
| lm-studio | Sí | Ejecuta LLM localmente con LM studio (establece `provider_name` como `lm-studio`)|
|
||
| openai | Sí | Usa API compatible con openai (ej: servidor llama.cpp) |
|
||
|
||
Siguiente paso: [Iniciar servicios y ejecutar AgenticSeek](#Iniciar-servicios-y-ejecutar)
|
||
|
||
*Consulta la sección **Problemas conocidos** si tienes problemas*
|
||
|
||
*Consulta la sección **Ejecutar con una API** si tu hardware no puede ejecutar deepseek localmente*
|
||
|
||
*Consulta la sección **Config** para una explicación detallada del archivo de configuración.*
|
||
|
||
---
|
||
|
||
## Configuración para ejecutar con una API
|
||
|
||
**Ejecutar con una API es opcional, consulta arriba para ejecutar localmente.**
|
||
|
||
Establece el proveedor deseado en el `config.ini`. Consulta más abajo la lista de proveedores de API.
|
||
|
||
```sh
|
||
[MAIN]
|
||
is_local = False
|
||
provider_name = google
|
||
provider_model = gemini-2.0-flash
|
||
provider_server_address = 127.0.0.1:5000 # no importa
|
||
```
|
||
Advertencia: Asegúrate de que no haya espacios al final en la configuración.
|
||
|
||
Exporta tu API key: `export <<PROVIDER>>_API_KEY="xxx"`
|
||
|
||
Ejemplo: export `TOGETHER_API_KEY="xxxxx"`
|
||
|
||
**Lista de proveedores de API**
|
||
|
||
| Proveedor | ¿Local? | Descripción |
|
||
|-----------|--------|-----------------------------------------------------------|
|
||
| openai | Depende | Usa API de ChatGPT |
|
||
| deepseek | No | API de Deepseek (no privada) |
|
||
| huggingface| No | API de Hugging-Face (no privada) |
|
||
| togetherAI | No | Usa API de together AI (no privada) |
|
||
| google | No | Usa API de google gemini (no privada) |
|
||
|
||
Ten en cuenta que la codificación/bash podría fallar con gemini, parece ignorar nuestro prompt para respetar el formato, que están optimizados para deepseek r1. Modelos como gpt-4 también parecen tener un rendimiento deficiente con nuestro prompt.
|
||
|
||
Siguiente paso: [Iniciar servicios y ejecutar AgenticSeek](#Iniciar-servicios-y-ejecutar)
|
||
|
||
*Consulta la sección **Problemas conocidos** si tienes problemas*
|
||
|
||
*Consulta la sección **Config** para una explicación detallada del archivo de configuración.*
|
||
|
||
---
|
||
|
||
## Iniciar servicios y ejecutar
|
||
|
||
Inicia los servicios requeridos. Esto iniciará todos los servicios del docker-compose.yml, incluyendo:
|
||
- searxng
|
||
- redis (requerido por searxng)
|
||
- frontend
|
||
- backend (si usas `full`)
|
||
|
||
```sh
|
||
./start_services.sh full # MacOS
|
||
start ./start_services.cmd full # Windows
|
||
```
|
||
|
||
**Advertencia:** Este paso descargará y cargará todas las imágenes de Docker, lo que puede tomar hasta 30 minutos. Después de iniciar los servicios, espera hasta que el servicio backend esté completamente ejecutándose (deberías ver backend: <info> en el log) antes de enviar cualquier mensaje. Los servicios backend pueden tardar más en iniciar que otros.
|
||
|
||
Ve a `http://localhost:3000/` y deberías ver la interfaz web.
|
||
|
||
**Opcional:** Ejecutar con la interfaz CLI:
|
||
|
||
Para ejecutar con la interfaz CLI tendrías que instalar el paquete en el host:
|
||
|
||
```sh
|
||
./install.sh
|
||
./install.bat # windows
|
||
```
|
||
|
||
Inicia los servicios:
|
||
|
||
```sh
|
||
./start_services.sh # MacOS
|
||
start ./start_services.cmd # Windows
|
||
```
|
||
|
||
Luego ejecuta: `uv run cli.py`
|
||
|
||
## Uso
|
||
|
||
Asegúrate de que los servicios estén funcionando con `./start_services.sh full` y ve a `localhost:3000` para la interfaz web.
|
||
|
||
También puedes usar el reconocimiento de voz configurando `listen = True` en el config. Solo para modo CLI.
|
||
|
||
Para salir, simplemente di/escribe `goodbye`.
|
||
|
||
Aquí hay algunos ejemplos de uso:
|
||
|
||
> *¡Haz un juego de serpiente en python!*
|
||
|
||
> *Busca en la web los mejores cafés en Rennes, Francia, y guarda una lista de tres con sus direcciones en rennes_cafes.txt.*
|
||
|
||
> *Escribe un programa en Go para calcular el factorial de un número, guárdalo como factorial.go en tu espacio de trabajo*
|
||
|
||
> *Busca en mi carpeta summer_pictures todos los archivos JPG, renómbralos con la fecha de hoy, y guarda una lista de archivos renombrados en photos_list.txt*
|
||
|
||
> *Busca en línea películas populares de ciencia ficción de 2024 y elige tres para ver esta noche. Guarda la lista en movie_night.txt.*
|
||
|
||
> *Busca en la web los últimos artículos de noticias sobre IA de 2025, selecciona tres, y escribe un script de Python para extraer sus títulos y resúmenes. Guarda el script como news_scraper.py y los resúmenes en ai_news.txt en /home/projects*
|
||
|
||
> *Viernes, busca en la web una API gratuita de precios de acciones, regístrate con supersuper7434567@gmail.com luego escribe un script de Python para obtener usando la API los precios diarios de Tesla, y guarda los resultados en stock_prices.csv*
|
||
|
||
*Ten en cuenta que las capacidades de llenado de formularios son aún experimentales y podrían fallar.*
|
||
|
||
Después de escribir tu consulta, AgenticSeek asignará el mejor agente para la tarea.
|
||
|
||
Debido a que este es un prototipo temprano, el sistema de enrutamiento de agentes podría no asignar siempre el agente correcto según tu consulta.
|
||
|
||
Por lo tanto, debes ser muy explícito en lo que quieres y cómo la IA podría proceder, por ejemplo, si quieres que realice una búsqueda web, no digas:
|
||
|
||
`¿Conoces algunos buenos países para viajar solo?`
|
||
|
||
En su lugar, pregunta:
|
||
|
||
`Haz una búsqueda web y averigua cuáles son los mejores países para viajar solo`
|
||
|
||
---
|
||
|
||
## **Configuración para ejecutar el LLM en tu propio servidor**
|
||
|
||
Si tienes una computadora potente o un servidor que puedes usar, pero quieres usarlo desde tu laptop, tienes la opción de ejecutar el LLM en un servidor remoto usando nuestro servidor llm personalizado.
|
||
|
||
En tu "servidor" que ejecutará el modelo de IA, obtén la dirección IP
|
||
|
||
```sh
|
||
ip a | grep "inet " | grep -v 127.0.0.1 | awk '{print $2}' | cut -d/ -f1 # ip local
|
||
curl https://ipinfo.io/ip # ip pública
|
||
```
|
||
|
||
Nota: Para Windows o macOS, usa ipconfig o ifconfig respectivamente para encontrar la dirección IP.
|
||
|
||
Clona el repositorio y entra en la carpeta `server/`.
|
||
|
||
```sh
|
||
git clone --depth 1 https://github.com/Fosowl/agenticSeek.git
|
||
cd agenticSeek/llm_server/
|
||
```
|
||
|
||
Instala los requisitos específicos del servidor:
|
||
|
||
```sh
|
||
pip3 install -r requirements.txt
|
||
```
|
||
|
||
Ejecuta el script del servidor.
|
||
|
||
```sh
|
||
python3 app.py --provider ollama --port 3333
|
||
```
|
||
|
||
Tienes la opción de usar `ollama` y `llamacpp` como servicio LLM.
|
||
|
||
Ahora en tu computadora personal:
|
||
|
||
Cambia el archivo `config.ini` para establecer `provider_name` a `server` y `provider_model` a `deepseek-r1:xxb`.
|
||
Establece `provider_server_address` a la dirección IP de la máquina que ejecutará el modelo.
|
||
|
||
```sh
|
||
[MAIN]
|
||
is_local = False
|
||
provider_name = server
|
||
provider_model = deepseek-r1:70b
|
||
provider_server_address = x.x.x.x:3333
|
||
```
|
||
|
||
Siguiente paso: [Iniciar servicios y ejecutar AgenticSeek](#Iniciar-servicios-y-ejecutar)
|
||
|
||
---
|
||
|
||
## Voz a Texto
|
||
|
||
Advertencia: la voz a texto solo funciona en modo CLI por el momento.
|
||
|
||
Ten en cuenta que actualmente la voz a texto solo funciona en inglés.
|
||
|
||
La funcionalidad de voz a texto está deshabilitada por defecto. Para habilitarla, establece la opción listen a True en el archivo config.ini:
|
||
|
||
```
|
||
listen = True
|
||
```
|
||
|
||
Cuando está habilitada, la función de voz a texto escucha una palabra clave de activación, que es el nombre del agente, antes de comenzar a procesar tu entrada. Puedes personalizar el nombre del agente actualizando el valor `agent_name` en el archivo *config.ini*:
|
||
|
||
```
|
||
agent_name = Friday
|
||
```
|
||
|
||
Para un reconocimiento óptimo, recomendamos usar un nombre común en inglés como "John" o "Emma" como nombre del agente.
|
||
|
||
Una vez que veas que comienza a aparecer la transcripción, di el nombre del agente en voz alta para activarlo (por ejemplo, "Friday").
|
||
|
||
Habla tu consulta claramente.
|
||
|
||
Termina tu solicitud con una frase de confirmación para indicar al sistema que proceda. Ejemplos de frases de confirmación incluyen:
|
||
```
|
||
"do it", "go ahead", "execute", "run", "start", "thanks", "would ya", "please", "okay?", "proceed", "continue", "go on", "do that", "go it", "do you understand?"
|
||
```
|
||
|
||
## Config
|
||
|
||
Ejemplo de configuración:
|
||
```
|
||
[MAIN]
|
||
is_local = True
|
||
provider_name = ollama
|
||
provider_model = deepseek-r1:32b
|
||
provider_server_address = 127.0.0.1:11434
|
||
agent_name = Friday
|
||
recover_last_session = False
|
||
save_session = False
|
||
speak = False
|
||
listen = False
|
||
jarvis_personality = False
|
||
languages = en zh
|
||
[BROWSER]
|
||
headless_browser = False
|
||
stealth_mode = False
|
||
```
|
||
|
||
**Explicación**:
|
||
|
||
- is_local -> Ejecuta el agente localmente (True) o en un servidor remoto (False).
|
||
|
||
- provider_name -> El proveedor a usar (uno de: `ollama`, `server`, `lm-studio`, `deepseek-api`)
|
||
|
||
- provider_model -> El modelo usado, ej., deepseek-r1:32b.
|
||
|
||
- provider_server_address -> Dirección del servidor, ej., 127.0.0.1:11434 para local. Establece a cualquier cosa para API no local.
|
||
|
||
- agent_name -> Nombre del agente, ej., Friday. Usado como palabra de activación para TTS.
|
||
|
||
- recover_last_session -> Reinicia desde la última sesión (True) o no (False).
|
||
|
||
- save_session -> Guarda datos de la sesión (True) o no (False).
|
||
|
||
- speak -> Habilita salida de voz (True) o no (False).
|
||
|
||
- listen -> escucha entrada de voz (True) o no (False).
|
||
|
||
- jarvis_personality -> Usa una personalidad tipo JARVIS (True) o no (False). Esto simplemente cambia el archivo de prompt.
|
||
|
||
- languages -> La lista de idiomas soportados, necesaria para que el router llm funcione correctamente, evita poner demasiados o idiomas demasiado similares.
|
||
|
||
- headless_browser -> Ejecuta el navegador sin una ventana visible (True) o no (False).
|
||
|
||
- stealth_mode -> Hace más difícil la detección de bots. El único inconveniente es que tienes que instalar manualmente la extensión anticaptcha.
|
||
|
||
- languages -> Lista de idiomas soportados. Requerido para el sistema de enrutamiento de agentes. Cuanto más larga sea la lista de idiomas, más modelos se descargarán.
|
||
|
||
## Proveedores
|
||
|
||
La tabla a continuación muestra los proveedores disponibles:
|
||
|
||
| Proveedor | ¿Local? | Descripción |
|
||
|-----------|--------|-----------------------------------------------------------|
|
||
| ollama | Sí | Ejecuta LLMs localmente con facilidad usando ollama como proveedor LLM |
|
||
| server | Sí | Aloja el modelo en otra máquina, ejecuta tu máquina local |
|
||
| lm-studio | Sí | Ejecuta LLM localmente con LM studio (`lm-studio`) |
|
||
| openai | Depende | Usa API de ChatGPT (no privada) o API compatible con openai |
|
||
| deepseek-api | No | API de Deepseek (no privada) |
|
||
| huggingface| No | API de Hugging-Face (no privada) |
|
||
| togetherAI | No | Usa API de together AI (no privada) |
|
||
| google | No | Usa API de google gemini (no privada) |
|
||
|
||
Para seleccionar un proveedor cambia el config.ini:
|
||
|
||
```
|
||
is_local = True
|
||
provider_name = ollama
|
||
provider_model = deepseek-r1:32b
|
||
provider_server_address = 127.0.0.1:5000
|
||
```
|
||
`is_local`: debe ser True para cualquier LLM ejecutándose localmente, de lo contrario False.
|
||
|
||
`provider_name`: Selecciona el proveedor a usar por su nombre, ver la lista de proveedores arriba.
|
||
|
||
`provider_model`: Establece el modelo a usar por el agente.
|
||
|
||
`provider_server_address`: puede establecerse a cualquier cosa si no estás usando el proveedor server.
|
||
|
||
# Problemas conocidos
|
||
|
||
## Problemas con Chromedriver
|
||
|
||
**Error conocido #1:** *incompatibilidad de chromedriver*
|
||
|
||
`Exception: Failed to initialize browser: Message: session not created: This version of ChromeDriver only supports Chrome version 113
|
||
Current browser version is 134.0.6998.89 with binary path`
|
||
|
||
Esto ocurre si hay una incompatibilidad entre tu navegador y la versión de chromedriver.
|
||
|
||
Necesitas navegar para descargar la última versión:
|
||
|
||
https://developer.chrome.com/docs/chromedriver/downloads
|
||
|
||
Si estás usando Chrome versión 115 o más nueva ve a:
|
||
|
||
https://googlechromelabs.github.io/chrome-for-testing/
|
||
|
||
Y descarga la versión de chromedriver que coincida con tu SO.
|
||
|
||
|
||
|
||
Si esta sección está incompleta por favor crea un issue.
|
||
|
||
## Problemas con adaptadores de conexión
|
||
|
||
```
|
||
Exception: Provider lm-studio failed: HTTP request failed: No connection adapters were found for '127.0.0.1:11434/v1/chat/completions'
|
||
```
|
||
|
||
Asegúrate de tener `http://` antes de la dirección IP del proveedor:
|
||
|
||
`provider_server_address = http://127.0.0.1:11434`
|
||
|
||
## Se debe proporcionar la URL base de SearxNG
|
||
|
||
```
|
||
raise ValueError("SearxNG base URL must be provided either as an argument or via the SEARXNG_BASE_URL environment variable.")
|
||
ValueError: SearxNG base URL must be provided either as an argument or via the SEARXNG_BASE_URL environment variable.
|
||
```
|
||
|
||
¿Quizás no moviste `.env.example` como `.env`? También puedes exportar SEARXNG_BASE_URL:
|
||
|
||
`export SEARXNG_BASE_URL="http://127.0.0.1:8080"`
|
||
|
||
## FAQ
|
||
|
||
**P: ¿Qué hardware necesito?**
|
||
|
||
| Tamaño del Modelo | GPU | Comentario |
|
||
|-----------|--------|-----------------------------------------------------------|
|
||
| 7B | 8GB Vram | ⚠️ No recomendado. El rendimiento es pobre, alucinaciones frecuentes, y los agentes planificadores probablemente fallarán. |
|
||
| 14B | 12 GB VRAM (ej. RTX 3060) | ✅ Usable para tareas simples. Puede tener dificultades con la navegación web y tareas de planificación. |
|
||
| 32B | 24+ GB VRAM (ej. RTX 4090) | 🚀 Éxito con la mayoría de las tareas, aún puede tener dificultades con la planificación de tareas |
|
||
| 70B+ | 48+ GB Vram (ej. mac studio) | 💪 Excelente. Recomendado para casos de uso avanzados. |
|
||
|
||
**P: ¿Por qué Deepseek R1 sobre otros modelos?**
|
||
|
||
Deepseek R1 sobresale en razonamiento y uso de herramientas para su tamaño. Creemos que es una buena opción para nuestras necesidades, otros modelos funcionan bien, pero Deepseek es nuestra elección principal.
|
||
|
||
**P: Obtengo un error al ejecutar `cli.py`. ¿Qué hago?**
|
||
|
||
Asegúrate de que local esté ejecutándose (`ollama serve`), tu `config.ini` coincida con tu proveedor, y las dependencias estén instaladas. Si nada funciona, no dudes en crear un issue.
|
||
|
||
**P: ¿Realmente puede ejecutarse 100% localmente?**
|
||
|
||
Sí, con proveedores Ollama, lm-studio o server, todos los modelos de voz a texto, LLM y texto a voz se ejecutan localmente. Las opciones no locales (OpenAI u otras API) son opcionales.
|
||
|
||
**P: ¿Por qué debería usar AgenticSeek cuando tengo Manus?**
|
||
|
||
Esto comenzó como un Proyecto Secundario que hicimos por interés en los agentes de IA. Lo especial es que queremos usar modelos locales y evitar APIs.
|
||
Nos inspiramos en Jarvis y Friday (películas de Iron man) para hacerlo "genial" pero para la funcionalidad tomamos más inspiración de Manus, porque eso es lo que la gente quiere en primer lugar: una alternativa local a manus.
|
||
A diferencia de Manus, AgenticSeek prioriza la independencia de sistemas externos, dándote más control, privacidad y evitando costos de API.
|
||
|
||
## Contribuir
|
||
|
||
¡Buscamos desarrolladores para mejorar AgenticSeek! Revisa los issues o discusiones abiertas.
|
||
|
||
[Guía de contribución](./docs/CONTRIBUTING.md)
|
||
|
||
[](https://www.star-history.com/#Fosowl/agenticSeek&Date)
|
||
|
||
## Mantenedores:
|
||
|
||
> [Fosowl](https://github.com/Fosowl) | Hora de París
|
||
|
||
> [antoineVIVIES](https://github.com/antoineVIVIES) | Hora de Taipei
|
||
|
||
> [steveh8758](https://github.com/steveh8758) | Hora de Taipei
|
||
|
||
## Agradecimientos Especiales:
|
||
|
||
> [tcsenpai](https://github.com/tcsenpai) y [plitc](https://github.com/plitc) Por ayudar con la dockerización del backend
|
||
|